预测控制方法是近年来出现并快速发展的一类新型的计算机控制算法,它采用多步预测模型、滚动优化和反馈校正等控制策略,有着良好的控制性能和控制效果,适用于控制精确的数字模型不容易建立并且比较复杂的工业生产过程,因而越来越受到国内外工程界的重视。预测控制方法已经在机械制造、电力电子、冶金行业、化学工艺等控制系统得到了较为成功的应用,经过近几年的快速发展,预测控制方法在理论研究上和实际应用方面都取得了较为显著的成果。从预测控制方法近几年的研究发展来看,将它应用在线性时不变系统中的控制算法研究已日趋成熟,并且已经在实际工业中得到成功的应用。但是,对于复杂非线性系统,预测控制的方法理论还有待发展和完善,因而,预测控制方法在复杂非线性系统的应用问题已经成为学术界关注的焦点。从工程应用的角度来看,人们都希望被控对象的模型尽量简单,系统在不确定因素的影响下能够保持良好的鲁棒性,并且可以满足实时控制的需要,要求控制方法相对简单并易于实现。基于统计学习理论的支持向量机,是一种崭新的建模和系统辨识方法。它克服了神经网络存在的局部极小,泛化能力差,结构需要经验确定的缺点,能够任意逼近复杂非线性函数,并且具有良好的泛化性能,近几年已受到控制界的广泛关注。预测控制是以模型为基础的控制方法,因而支持向量机的系统辨识方法可以应用到预测控制方法中。本文从预测控制的研究出发,依据控制方法的特点,将支持向量回归和即时学习算法融入到基于CARMA模型的广义预测控制中,并将所设计的控制方法与一般的广义预测控制进行仿真对比,最后再将其应用在非线性的、约束性较强的典型控制系统中。仿真结果证明所提出控制器的有效性和可行性。